Estimation of biophysical characteristics for highly variable mixed-conifer stands using small-footprint lidar

$50.00 plus tax (Refund Policy)

Buy Article:

Abstract:

Although lidar data are widely available from commercial contractors, operational use in North America is still limited by both cost and the uncertainty of large-scale application and associated model accuracy issues. We analyzed whether small-footprint lidar data obtained from five noncontiguous geographic areas with varying species and structural composition, silvicultural practices, and topography could be used in a single regression model to produce accurate estimates of commonly obtained forest inventory attributes on the Nez Perce Reservation in northern Idaho, USA. Lidar-derived height metrics were used as predictor variables in a best-subset multiple linear regression procedure to determine whether a suite of stand inventory variables could be accurately estimated. Empirical relationships between lidar-derived height metrics and field-measured dependent variables were developed with training data and acceptable models validated with an independent subset. Models were then fit with all data, resulting in coefficients of determination and root mean square errors (respectively) for seven biophysical characteristics, including maximum canopy height (0.91, 3.03 m), mean canopy height (0.79, 2.64 m), quadratic mean DBH (0.61, 6.31 cm), total basal area (0.91, 2.99 m2/ha), ellipsoidal crown closure (0.80, 0.08%), total wood volume (0.93, 24.65 m3/ha), and large saw-wood volume (0.75, 28.76 m3/ha). Although these regression models cannot be generalized to other sites without additional testing, the results obtained in this study suggest that for these types of mixed-conifer forests, some biophysical characteristics can be adequately estimated using a single regression model over stands with highly variable structural characteristics and topography.

Même si les données lidar sont largement disponibles auprès de compagnies commerciales, leur utilisation opérationnelle en Amérique du Nord demeure encore limitée tant à cause des coûts que de l'incertitude pour une application à grande échelle et des problèmes d'exactitude associés à la modélisation. Les auteurs ont analysé si les données lidar à petite empreinte au sol obtenues pour cinq régions géographiques non contiguës qui variaient en compositions spécifique et structurale, pratiques sylvicoles et topographie pouvaient être utilisées dans un modèle de régression unique pour produire des estimations exactes des attributs communément obtenus lors d'inventaires forestiers dans la réserve de Nez Perce située dans le nord de l'Idaho, aux É.-U. Les mesures de hauteur dérivées du lidar ont été utilisées comme variables prédictives dans une procédure de régression linéaire multiple du meilleur sous-ensemble pour déterminer si un ensemble de variables d'inventaire à l'échelle du peuplement pouvaient être estimées avec exactitude. Les relations empiriques entre les mesures de hauteur dérivées du lidar et les variables dépendantes mesurées sur le terrain ont été développées avec des données d'entraînement et des modèles acceptables validés avec un sous-ensemble indépendant. Les modèles ont ensuite été dérivés avec toutes les données, ce qui a produit des coefficients de détermination et des erreurs quadratiques moyennes (respectivement) pour sept caractéristiques biophysiques incluant : la hauteur maximale du couvert (0,91, 3,03 m), la hauteur moyenne du couvert (0,79, 2,64 m), le DHP moyen quadratique, (0,61, 6,31 m), la surface terrière totale (0,91, 2,99 m2/ha), la fermeture ellipsoïdale du couvert (0,80, 0,08 %), le volume total de bois (0,93, 24,65 m3/ha) et le volume de gros bois de sciage (0,75, 28,76 m3/ha). Même si ces modèles de régression ne peuvent pas être généralisés à d'autres sites sans tests additionnels, les résultats obtenus dans cette étude indiquent que, pour ces types de forêts mélangées résineuses, quelques caractéristiques biophysiques peuvent être estimées adéquatement par l'utilisation d'un modèle de régression unique pour des peuplements dont les caractéristiques structurales et la topographie sont très variables.

[Traduit par la Rédaction]

Document Type: Research Article

Publication date: May 1, 2006

More about this publication?
  • Published since 1971, this monthly journal features articles, reviews, notes and commentaries on all aspects of forest science, including biometrics and mensuration, conservation, disturbance, ecology, economics, entomology, fire, genetics, management, operations, pathology, physiology, policy, remote sensing, social science, soil, silviculture, wildlife and wood science, contributed by internationally respected scientists. It also publishes special issues dedicated to a topic of current interest.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • ingentaconnect is not responsible for the content or availability of external websites
Related content

Tools

Favourites

Share Content

Access Key

Free Content
Free content
New Content
New content
Open Access Content
Open access content
Subscribed Content
Subscribed content
Free Trial Content
Free trial content
Cookie Policy
X
Cookie Policy
ingentaconnect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more